摘 要

受显微物镜的视场限制，显微视觉系统通常无法获取全局显微信息。通过显微图像拼接技术，将不同区域的显微图像拼接出全局环境信息是常用的方法。

设计首先通过显微实验平台分别获取低放大倍数时的全局图像和高放大倍数的局部显微图像序列，接着，采用基于SIFT特征的显微图像匹配方法对图像信息进行配准和图像拼接。在Matlab工作空间，利用相关算法进行图像拼接的仿真实验，得到了高放大倍数时的全局显微图像。

在局部显微图像的采集时，设计采用显微实验平台进行实验来获取显微图像：运用立体显微视觉系统分别拍取在低放大倍数时的全局显微图像以及在高放大倍数时的局部显微图像。获取高放大倍数的显微图像之后，对其进行图像的预处理。之后将经过预处理后的局部显微图像导入到Matlab工作空间里，采用相关算法对其进行拼接，得到在高放大倍数时的全局显微图像。

关键词：显微图像，图像拼接，预处理，SIFT特征

Abstract

Field of view by the microscope objective constraints, micro-vision systems typically can not obtain global microscopic information. By microscopic image stitching technology, microscopic images of different regions of the global environment splicing information is commonly used method.

First designed to get global and local image sequences of microscopic images of high magnification, respectively, at low magnification by microscopic experimental platform, and then, based on SIFT feature matching method of microscopic images of image information registration and image stitching. In Matlab workspace using correlation algorithm for image stitching simulation experiments, to obtain the global high magnification microscopic images when.

When the local microscopic image acquisition, design experiments using microsurgical platform for experiments to obtain microscopic images: the use of three-dimensional micro-vision systems are shot taken at low magnification of the global and the local microscopic images at high magnification microscopic images. After acquiring high magnification microscopic images, its image preprocessing. After partially through microscopic image preprocessed into Matlab workspace, using correlation algorithm to splicing, to obtain at high magnification microscopic images overall.

Key Words：Microscopy image, image stitching, pre-processing, SIFT features

目录

第1章 绪论 1

1.1基于图像拼接的微操作全局空间获取的意义 1

1.2基于图像拼接的微操作全局空间获取的国内外研究现状 1

1.3 主要内容与章节安排 1

第2章 显微图像拼接的方法 4

2.1显微图像拼接的流程 4

2.2图像的预处理 4

2.3图像配准 7

2.3.1模板比配法 7

2.3.2相位相关度法 7

2.3.3特征匹配法 7

2.4图像融合 8

2.5本章小结 8

第3章 局部显微图像的获取和匹配 9

3.1局部显微图像的获取方法 9

3.2局部显微图像的获取 10

3.2.1实验设备 10

3.2.2图像获取 12

3.3局部显微图像的图像配准 15

3.3.1图像配准方案的选择 15

3.3.2基于SIFT特征的显微图像匹配方法 16

3.4本章小结 18

第4章 局部显微图像的融合 19

4.1融合方法 19

4.2最终融合结果 20

4.3本章小结 22

第5章 结论与展望 23

5.1结论 23

5.2展望 23

致谢 24

参考文献 25

第1章 绪论

1.1基于图像拼接的微操作全局空间获取的意义

图像拼接(image mosaic)是一个越来越热门的研究课题，它现在是照相绘图学、计算机视觉、图像处理和计算机图形学研究中的热门课题。图像拼接技术一般解决的困难是，通过将一系列视野小的图像拼凑到一起，组成一个完整的、清晰的图像，它的分辨率与视野范围相较于拼接之前的图像更大 ^[1]。图像拼接研究在课题兴起时期，主要用于照相绘图学，针对航拍或卫星的图像拼接的问题。最近这几年，伴随时代的进步以及科研领域的不断拓展，在材料检测、显微生物学、医学等各个领域中，显微图像拼接技术越来越显得重要^[2]。例如在生物医学领域，对基因组织、微生物细胞、染色体的操作以及显微外科手术等这些技术的发展，都需要使用显微图像拼接技术将显微镜多次观察到的局部显微图像拼接为完整的全局显微图像^[3,4]。

在显微图像获取中，显微系统的视野不一定可以全部观看到整个物体，这种情况给整个工作带来了很多困难。这时就需要将整个图像分割成若干个局部显微图像，之后通过显微图像拼接技术将所有的局部显微图像进行融合，得到一个全局显微图像，借此扩大显微系统的视野范围^[5]。

1.2基于图像拼接的微操作全局空间获取的国内外研究现状

伴随计算机技术和数码照相技术的进步，显微图像拼接技术也成为数字图像处理研究中的热门课题。不过，直到现在为止，依然没有一个简便快捷的拼接方法使人们高效的完成图像的拼接。国内外都有很多关于图像拼接方法的论文，它们中介绍的算法有很多，不过基本可分为基于频率域、基于灰度相关，以及基于特征的方法^[6]。

在国外，1975年，相位相关法被库格林和黑尼斯发表，这个方法的特点是场景无关性，它可以使纯粹二维平移的图像非常无误地配合。这个方法的原理是利用Fourier Transform将两幅还未配准的图像变换到频域，之后为了得到两幅图像间的平移矢量，使用互功率谱进行计算。在1987年，卡斯特罗和莫兰迪两个人发表了扩展相位相关法，这个方法的原理是使用Fourier Transform的性质，完成具有旋转和平移变换的图像配准。之后一段时间，快速Fourier Transform算法的提出和信号处理领域对Fourier Transform的使用越来越老练，在1996年，基于快速Fourier Transform的方法被雷迪和查特吉发表了，这个方法使用极坐标变换和互功率谱对平移、旋转和缩放变换的图像均可以完成精确配准。相位相关法要求待配准图像之间具有的重叠比例非常高，并且计算量和使用范围与图像的大小有非常密切的联系，不过它的优点在于计算简单精确 ^[7]。